[已解决]Python小白从挖坑到脱坑之路011_关于正则表达式匹配IP和端口

大头目

挖坑：为什么pos2处的正则表达式有些IP最后一位会漏匹配？
          为什么pos3处抛开?:不谈，[\n]+?匹配不到但是[\s]+?却匹配到了，不是很理解，这两个不是应该同一个意思吗？
脱坑（现阶段理解）：pos3处难道目标两行中间不仅仅是换行符还有空格？（目标源代码范例如下）

1.   <tr class="odd">
   
2.     <td class="country"><img src="http://fs.xicidaili.com/images/flag/cn.png" alt="Cn" /></td>
   
3.     <td>114.230.41.126</td>
   
4.     <td>808</td>
   
5.     <td>江苏扬州</td>
   
6.     <td class="country">高匿</td>
   
7.     <td>HTTPS</td>
   
8.       <td>308天</td>
   
9.     <td>1分钟前</td>
   
10.   </tr>

复制代码

类似坑：暂无

import requests
import os
import re
import time
import random

def url_open(url):   
        header = {'User-Agent':"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0"
        }
        response = requests.get(url,headers = header)
        return response

def find_imgs(url):
        html = url_open(url).text  #html.text是requests模块里面的获取响应网站的文本文件（自动解码）
        #print(html)
        #p = r'<td>((?:(?:[01]?\d?\d|2[0-4]\d|25[0-5])\.){3}(?:[01]?\d?\d|2[0-4]\d|25[0-5]))</td>\s'     #pos1配合下面zip用于单抓IP，没有端口
        #p = r'(?:(?:[01]?\d?\d|2[0-4]\d|25[0-5])\.){3}(?:[01]?\d?\d|2[0-4]\d|25[0-5])'     #pos2有时候最后IP最后一位会漏一个数字，原因未知
        p = r'<td>((?:(?:[01]?\d?\d|2[0-4]\d|25[0-5])\.){3}(?:[01]?\d?\d|2[0-4]\d|25[0-5]))</td>[\s]+?<td>(\d{2,6})</td>'
        #p = r'<td>(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5])</td>[\n]+?<td>\d{1,4}</td>'    #pos3论坛塔利班，抓不到
        j = r'<td>(\d{2,6})</td>'
       
        img_addrs = re.findall(p,html)
        img_addrsj = re.findall(j,html)
        for each  in img_addrs:
                print(each)
        #print(img_addrs)
        #print(img_addrsj)
'''        for each  in zip(img_addrs,img_addrsj):
                print(each)'''

if __name__ == '__main__':
         url = 'http://www.xicidaili.com/'
         find_imgs(url)

最佳答案

月排行榜 / 总排行榜

塔利班

2018-3-7 23:22:33

的确是，目标代码换行后还有空格缩进，

跳转到最佳答案楼层

塔利班

的确是，目标代码换行后还有空格缩进，

大头目

http://bbs.fishc.com/thread-107429-1-1.html
为什么pos2处的正则表达式有些IP最后一位会漏匹配？
因为按'|'或匹配，匹配到前2位后以为匹配成功，所以之后就不匹配了，类似非贪婪模式